一种机械式电表的数字识别方法

在自然光条件下用普通相机拍摄的电表图像，分辨率较低且变形严重，对于不同表盘其数字大小、字形也不同．针对以上问题，提出了一种八方向跟踪找空洞数字识别算法，利用每个字符的空洞和缺口数目对机械式表盘上的数字进行识别．该识别算法无需对数字大小、字形进行归一化．实验表明该找空洞数字识别算法在抗干扰性方面表现良好，有效地降低了算法...     

基于决策理论的数字调制信号识别

由于多调制的存在，对于一个通信信号进行接收解调的前提条件是首先要确定该信号的调制样式，因此信号调制样式的自动识别是软件无线电接收机中必须具备的功能之一。文中研究了6种常用数字调制信号识别的特征参数集，并采用决策树判别方法进行分类识别。仿真结果表明，在趼氓≥5dB时，识别正确率在99％以上，且当SNR≥20dB时，识别正确率达到100％。其特点是，算法简单，识别正确率高．达到了自动分类识别的目的．并有利于实现识别的实时化。     

基于混合统计参数识别多种数字信号调制方式

为识别QAM等阶数高于4的数字调制信号及提高调制识别算法对高斯白噪声（AWGN）的鲁棒性，在决策论识别参数的基础上，增加了高阶统计量识别参数，并利用混合参数的经向基函数（RBF）神经网络实现数字信号调制样式自动识别，提高了对数字调制信号的识别能力．仿真结果表明，     

频率调制信号的恒参滤波识别方法

针对频率调制信号的识别，提出采用恒参滤波方法，将信号频率调制信息转换为信号包络的变化，再通过提取信号包络的直方图特征来识别信号调制方式．与传统方法相比，该方法特征提取简单，计算量小，识别速度快，在较低信噪比条件下，可以有效识别FM，BFSK，QFSK，MFSK等信号．该方法尤其适合软件无线电等实时性要求高的应用领域．     

基于软件无线电的调制识别方法

调制方式的识别是在调制方式多样化的复杂情况下能够正确解调和成功通信的前提。文章针对基于软件无线电的调制方式自识别的问题,研究了一种利用包络高阶特征J进行调制方式识别的方法。该方法具有计算简单、无需知道信号的先验信息,同时具有较好的噪声抑制等特点,能在低信噪比情况下快速、有效地进行调制识别。     

一种基于小波的数字调制信号识别算法

小波包变换理论上可以实现信号频带的均匀划分，从而更好地提取信号的时频特征.作者首先介绍了卷积型小波包算法，然后分析了三种主要的数字调制信号的小波变换特征，提出了一种基于小波的数字调制信号识别算法，仿真结果表明该算法能够识别典型的数字调制信号，而且具有较好的抗噪声性能.     

基于支持向量机的多类数字调制方式自动识别算法

为了解决软件无线电系统中多种调制方式之间切换的问题，提出了一种基于支持向量机的多类数字调制方式识别算法．该算法通过提取有效的特征向量以区分不同的调制方式，并基于支持向量机和判决树分类思想，将特征向量映射到高维空间中加以分类。解决了样本在低维空间中的非线性不可分问题，避免了判决门限的确定，与传统的神经网络方法相比，具有更好的泛化推广能力．仿真结果表明，在具有加性带限高斯噪声的环境下，信噪比大于等于10dB时，识别正确率大于90％．     

基于ART2A-E神经网络的数字调制识别

在分析经典的ART2／2A网络基础上,提出了一种基于ART2A—E神经网络的自动数字调制识别分类器,并测试了分类器对2PSK、4PSK、OQPSK、GMSK、π/4OQPSK、4ASK6种数字调制信号的识别能力．仿真结果表明,该分类器对这6种数字调制信号在信噪比为8dB条件下识别率达到90％以上,而且在不影响网络已记忆模式情况下能自动对未学习模式进行新的聚类,提高了自动调制分类器的自适应性和可扩展性．减少了错判概率．     

基于信噪比估计和盒维数的调制信号识别

针对数字调相和调频识别问题,提出采用调制信号绝对值的瞬时幅度的盒维数作为多进制数字相位调制(MPSK)和多进制数字频率调制(MFSK)信号类间识别的特征参数,并采用拟合曲线作为判决门限,该方法在保持具有较少的特征参数的同时还增强了对噪声的鲁棒性.在调制信号的类内识别中,分别采用MPSK信号的瞬时相位的盒维数和MFSK信号的瞬时频率的盒维数作为特征参数.仿真结果表明,在信噪比为5 dB时,对信号进行完全识别的正确率可以达到90％以上,从而证明了该方法的有效可行性.     

支持向量机在数字信号调制识别系统中的应用

在非合作通信系统中，需要在非理想化的信道特性下对接收信号进行调制样式的自动识别．使用了一种以支持向量机作为分类器的方法进行数字信号调制样式的识别．实验结果表明，该调制识别方法在小样本下具有较高的识别率，可以应用在数字信号的调制识别系统中．     

基于小波神经网络的数字信号调制方式识别

针对当前数字信号调制方式识别方法易受噪声影响、 识别误差较大等问题, 设计一种基于小波神经网络的数字信号调制方式识别方法. 首先采集数字信号, 并从信号中提取调制识别特征, 作为数字信号调制方式分类依据; 然后采用小波神经网络建立数字信号调制方式识别的分类器, 并选择粒子群优化算法确定神经网络的参数, 实现数字信号调制方式识别; 最后在MATLAB[KG*6]2016平台上实现数字信号调制方式识别的仿真测试. 测试结果表明, 即使数字信号的信噪比较低时, 小波神经网络仍可获得较理想的数字信号调制方式识别结果, 且数字信号调制方式识别率高于对比方法, 从而提高了数字信号调制方式识别性能.     

一种新的数字调制信号自动识别方法

论文以软件无线电中数字调制算法为理论依据,分析提取了用于自动识别的基于参数统计的特征参数,提出利用调制信号幅度方差与均值的比值及频率方差与均值的比值实现调制方式识别。在高斯白噪声信道条件下,建立的模型可以很好的实现多种数字调制信号的自动识别,而且在较低信噪比情况下达到很高的识别效率。     

基于累积量的通信信号调制样式类间识别

为了避免通信信号调制识别过程中的去载波、波形恢复和符号定时等预处理过程,该文将高阶累积量直接用于中频数字信号的识别。该算法通过估算信号功率对高阶累积量进行归一化,克服了信号幅度缩放的影响,从而使该算法不需要信号的任何先验知识。仿真证明高阶累积量对具有不同包络特征的信号具有良好的识别能力,并且在高信噪比时六阶累积量比四阶累积量的识别效果更好。     

一种新的基于支持向量机的自动调制识别方案

为了解决在合作或非合作的通信应用领域中（如软件无线电，电子侦察系统等）多种调制信号之间的切换问题，提出1种基于多类别支持向量机（SVM）的模拟和数字信号的调制识别的新方案。SVM将特征向量非线性地映射到高维特征空间中，并建立1个最优超平面来实现信号调制方式的分类。这种方法避免了在人工神经网络中的过学习、欠学习以及局部最小化的问题。仿真中将应用于调制识别的SVM算法与人工神经网络算法（ANN）做了比较，结果表明SVM自动调制识别方法结构简单，识别率高，解决小样本的能力强，在信噪比SNR不低于5dB时，正确识别率达到94％以上，适于在工程中应用。     

支持向量机多类分类的数字调制方式识别

针对神经网络存在的过学习、欠学习、局部极小值等问题,提出了一种基于支持向量机(SVM)的数字调制方式的识别方法。从信号的瞬时幅度,瞬时相位,瞬时频率,频谱,包络变化等特性中提取了7个特征参数,用于训练支持向量机。运用二叉树理论设计多类分类器,与已有算法相比,具有简单、高速、高精度的特点。仿真结果证明,在高斯白噪声(AWGN)下,当信噪比大于15dB时,对2ASK、4ASK、8ASK、2FSK、4FSK、8FSK、BPSK、QPSK、8PSK调制方式的识别率可以达到97% 以上。     

调制域谱减法用于鲁棒性语音识别

针对语音识别在实际环境中缺乏稳健性的问题,提出了将调制域谱减法应用于语音识别前端的方法。先将语音信号变换到调制域,在调制域用谱减法将信号增强,在减少语音畸变的基础上提高信噪比,然后再进行识别。仿真实验表明,调制域谱减法能在较大的信噪比区间内提高系统识别率,证明此方法能显著提高语音识别系统的抗噪声能力。     

基于FPGA的QAM调制器的设计

通过对QAM调制原理的分析,提出了16QAM系统的FPGA建模方案,给出了仿真波形。结果表明,设计方法正确,方案可行,能够实现数字信号的16QAM调制。同时,其实现的基本方法和基本思想亦为基于FPGA的数字调制系统的设计奠定了较好的基础。     

水下声学调制解调器动态可重构数字系统设计与实现

提出一种动态可重构的水下声学调制解调器数字系统, 此系统将调制、解调模块定义为可重构模块, 根据水下声学信道的检测结果, 动态调整其调制解调方式和数据率, 以提供低误码率、低能耗的通信。在Xilinx XUPV5 FPGA开发板上完成数字系统的实现与软硬件协同验证, 结果表明功能正确, 数字系统可以动态配置为2FSK和2PSK模式。与传统FPGA实现方法相比, 动态可重构的设计方法提高了算法设计的灵活性, 节约了数字系统硬件实现的资源。